资源介绍
视频数量：40个
总时长：6小时12分
课程介绍：
用OpenAI智能体SDK打造AI助手：从文字到语音的完整实战课
想象这样一个场景：你正在规划一次东京旅行，习惯性地打开一个网页，输入"帮我安排三天行程"。几秒钟后，屏幕上出现了详细的日程安排、天气预报、机票比价，还贴心地问你"要不要语音通话，我来陪你过一遍行程？"你对着麦克风说了两句偏好，AI立刻调整了方案，整个过程像在跟一位贴身的旅行顾问聊天。
这并不是科幻电影里的桥段，而是今天任何一个开发者都可以实现的东西。这门课要教的，就是怎么从零开始，把这样的AI智能体搭建出来并部署到生产环境里。
一、SDK基础打底：从环境配置到第一个智能体
课程的前半段先把地基打牢。你会从环境搭建开始，用uv管理依赖，配置好OpenAI API密钥，然后跑通你的第一个智能体。别小看这一步，很多人在工具链上就卡住了，课程里把所有命令和坑点都提前梳理清楚了。
接下来是结构化输出。你会学到怎么用Pydantic定义智能体返回数据的格式，让AI不再返回一堆无法解析的文本，而是给出你指定的字段。这在生产环境里几乎是刚需——后端要拿这些数据去查数据库、调用其他接口，没有结构化输出什么都干不了。
追踪与调试是另一个关键模块。OpenAI提供了官方的Traces面板，课程会演示怎么用追踪功能查看智能体的每一步决策、每一次工具调用。当AI给出错误结果时，你不再是猜谜游戏，而是能精确定位问题出在哪。
流式响应、模型设置这些进阶话题同样覆盖到了。你会理解什么时候用推理模型更划算，什么时候普通模型就够了，怎么调整temperature和top_p来控制输出的随机性。
二、工具与外部能力：让智能体不再"只会说"
光会说话不够，智能体得有"手"。这一部分你将学到怎么给智能体配备各种工具。
Function Tools是最基础的形式——你自己写Python函数，让智能体决定什么时候调用它。Hosted Tools则是OpenAI托管的工具，比如网页搜索、代码执行，你不需要自己部署就能直接用。Local Runtime Tools则是在你的进程内运行，适合需要访问本地资源的场景。
更进阶的是MCP服务器。课程用了一个很形象的比喻：MCP就像AI工具的USB接口。通过统一的协议，你可以接入文件系统MCP让智能体读写文件，接入GitHub MCP让它管理仓库，接入Postgres MCP让它直接查数据库。整个生态正在快速发展，社区里已经有大量现成的服务器可用。课程会带你把官方的文件系统MCP跑起来，看着智能体自主地读取东京行程、写入巴黎行程、列出所有文件，那种感觉相当奇妙。
四、多智能体协作：一个指挥家与一群专家
单个智能体能力再强，也扛不住复杂任务。这部分你将学到两种核心的多智能体协作模式。
第一种是"智能体作为工具"。想象一个旅行顾问智能体，它自己不查机票、不查天气，而是把任务委派给美食专家、活动专家、预算专家。它是指挥家，决定什么时候让谁上场，然后把结果整合成一个完整的回答。这种模式保留了对话的连贯性，用户始终只跟一个智能体交流。
第二种是"交接"。当用户的问题完全超出当前智能体的能力范围时，控制权会整体移交给另一个智能体。课程用一个客服场景演示了这个过程——用户问旅行相关的问题，由旅行助手接待；问订单退款，就交接给客服助手。每个智能体都有自己的指令和工具集，彼此互补。
五、安全防护：给智能体加一道"护栏"
把智能体放到生产环境之前，安全问题不能忽视。课程分两个维度讲了护栏机制。
输入护栏在用户消息进来时就检查，比如识别恶意指令、过滤敏感词。输出护栏则在智能体返回结果时把关，确保它不会说出不该说的话、调用不该调用的工具。课程演示了怎么用OpenAI的Guardrails模块配置这些规则，并用配置文件的方式管理，方便团队协作。
六、语音与实时对话：让智能体"开口说话"
文字交互只是开始。这部分你将踏入语音领域。
你会先学到基础的语音智能体：智能体说完一句话后，把音频文件播放给用户。这种方式有明显的延迟，但实现简单，适合很多场景。
然后是更前沿的实时语音。智能体不是等你说完才思考，而是边听边反应，利用WebSocket维持一个持续的双向音频流。课程演示了怎么接入OpenAI的Realtime API，把延迟压到接近真人对话的水平。你会听到智能体在你半句话的时候就开始插话确认，那种体验跟打电话几乎没有区别。
七、核心项目：搭建一个生产级旅行助手
理论讲完了，接下来是真正动手的时候。课程用了一个贯穿始终的项目——一个生产级的AI旅行助手。这个项目覆盖了真实应用中几乎所有的关键决策点。
第一阶段是核心聊天体验。你会用Chainlit搭建聊天界面，接入流式响应让用户看到逐字输出的效果。短期记忆模块让对话保持上下文，天气MCP服务器让智能体能查到实时天气，航班搜索MCP让用户比价机票。
第二阶段聚焦提示工程与上下文管理。你会学到怎么写高质量的系统提示，怎么用Jinja2模板动态构造上下文。智能体自更新上下文是一个很有意思的设计——智能体在对话过程中不断修正自己对用户的理解，比如发现用户其实不喜欢博物馆，就默默调整后续推荐方向。人类参与审批机制也很关键：当智能体要执行敏感操作时，会先弹出一个确认按钮，等用户点头才继续。
第三阶段是多智能体架构。旅行助手拆分成编排器和多个专家智能体，客服交接让用户在需要时无缝切换到人工支持。推理摘要则把智能体的思考过程展示给用户看，让AI的决策变得可解释。
第四阶段打磨产品体验。任务列表组件让用户清楚知道智能体正在做什么，自定义元素让界面更专业。工具进度条显示当前正在调用哪个工具，行程计划以Artifact的形式呈现。最终，你还会把实时语音集成进去，让用户可以跟旅行助手语音通话。
八、评估、部署与监控：上线不是终点
写出能跑的代码只是开始，能稳定运行才是真本事。
课程用Promptfoo做离线评估，用Langfuse做在线评估。你会学到模型评分的技巧，让另一个AI来当裁判，自动评估大批量的智能体输出。配置驱动的护栏让你不用改代码就能调整安全规则。红队测试则模拟恶意用户的攻击，找出智能体的薄弱环节。
部署部分用的是Hugging Face Spaces，这是一个对AI应用非常友好的平台。课程演示了怎么用Docker打包应用、配置密钥、设置访问权限。一旦部署完成，你就有了一个公网可访问的URL，可以发给任何人试用。
监控方面，Langfuse的链路追踪让你看到生产环境中每一个请求的详细情况，哪些调用慢、哪些工具报错、哪些对话转化率高。有了这些数据，你才能持续优化产品。
九、扩展能力：ChatKit、沙箱与技能
最后，课程还介绍了几项进阶扩展。ChatKit让你快速搭建类似ChatGPT那样的对话界面。沙箱智能体给AI一个安全的工作环境，让它可以执行代码、操作文件而不会影响到真实系统。按需技能则让智能体在需要时才加载特定能力，节省token消耗。
谁适合学这门课？
如果你是Python开发者，已经会用基础库写一些小工具，但对AI智能体还停留在调API的层面，这门课会带你进入一个全新的领域。你不需要有机器学习的背景，课程从最基础的概念讲起，但终点是生产级应用的部署。
如果你是独立开发者或创业者，想做出一个能真正服务用户的AI产品，这门课的项目就是最好的起点。旅行助手的设计模式可以套用到客服、教育、医疗咨询等各种场景。
如果你是技术团队的负责人，想评估AI智能体在企业中的落地路径，这门课里的评估、护栏、部署、监控模块都是直接可用的方法论。
需要的基础准备？熟悉基本的Python语法就够了。会用命令行、会用Git更佳，但课程里有详细的入门指引。
学完之后你能做什么？
你将掌握OpenAI Agents SDK的完整能力体系，从单个智能体的配置，到多智能体的协作编排，再到语音交互的实现。你会理解生产级AI应用的完整生命周期：开发、评估、监控、迭代。更重要的是，你会有一套经过实战检验的设计模式，可以用它来构建自己领域的智能体产品。
智能体技术正在快速发展，现在正是入场的最好时机。这门课不是给你一堆幻灯片和理论，而是带着你一步步把项目做出来。每一个章节都有对应的代码检查点，你可以在任何时候跳回正确的状态。遇到问题了，仓库里有完整的参考实现。准备好了的话，打开编辑器开始吧。